一种基于UUDN和Q神经网络的绿色能量合作方法

    公开(公告)号:CN109272167A

    公开(公告)日:2019-01-25

    申请号:CN201811172576.0

    申请日:2018-10-09

    Abstract: 本发明公开了一种以用户为中心的超密集网络中的绿色能量合作方法。以用户为中心的超密集网络中的访问接入点配备有能量获取单元,且仅由可再生能源供电。该场景建模为马尔可夫决策过程,在每个时隙中只有访问接入点的当前和过去状态信息可用。为了最大限度地提高系统的能源效率,本发明提出一种基于Q学习的强化学习方法进行可再生能源的合作。为了解决强化学习中的连续状态离散动作问题,本发明提出了一种采用三层BP神经网络作为逼近器的Q神经网络。仿真结果表明,系统的能量效率与访问接入点和用户的密度有关,所提出的方案能够满足用户的需求,提高系统的能源效率。

    一种基于UUDN和Q神经网络的绿色能量合作方法

    公开(公告)号:CN109272167B

    公开(公告)日:2021-04-20

    申请号:CN201811172576.0

    申请日:2018-10-09

    Abstract: 本发明公开了一种以用户为中心的超密集网络中的绿色能量合作方法。以用户为中心的超密集网络中的访问接入点配备有能量获取单元,且仅由可再生能源供电。该场景建模为马尔可夫决策过程,在每个时隙中只有访问接入点的当前和过去状态信息可用。为了最大限度地提高系统的能源效率,本发明提出一种基于Q学习的强化学习方法进行可再生能源的合作。为了解决强化学习中的连续状态离散动作问题,本发明提出了一种采用三层BP神经网络作为逼近器的Q神经网络。仿真结果表明,系统的能量效率与访问接入点和用户的密度有关,所提出的方案能够满足用户的需求,提高系统的能源效率。

    一种密集蜂窝网络能量与业务协作方法

    公开(公告)号:CN107995034B

    公开(公告)日:2020-12-08

    申请号:CN201711236163.X

    申请日:2017-11-30

    Abstract: 本发明实施例公开了一种密集蜂窝网络能量与业务协作方法,能够应用于在线的多基站的资源分配,首先利用匹配理论,实现用户和相应基站的分组。即利用匹配理论实现以用户为中心的分簇,以簇为单位从而减小基站群的规模,然后使用多代理强化学习算法实现基站功率的分配和基站间能量合作。

    一种密集蜂窝网络能量与业务协作方法

    公开(公告)号:CN107995034A

    公开(公告)日:2018-05-04

    申请号:CN201711236163.X

    申请日:2017-11-30

    Abstract: 本发明实施例公开了一种密集蜂窝网络能量与业务协作方法,能够应用于在线的多基站的资源分配,首先利用匹配理论,实现用户和相应基站的分组。即利用匹配理论实现以用户为中心的分簇,以簇为单位从而减小基站群的规模,然后使用多代理强化学习算法实现基站功率的分配和基站间能量合作。

    一种基于以用户为中心的超密集网络UUDN的动态AP分组方法

    公开(公告)号:CN109068375B

    公开(公告)日:2020-12-25

    申请号:CN201811179982.X

    申请日:2018-10-10

    Abstract: 本发明公开了一种针对以用户为中心的超密集网络UUDN中的移动用户进行动态AP(Access Point)分组的方法。该方法分为两个部分:一部分是基于静态用户的AP分组,用户首先计算以该用户为中心的圆内的潜在服务AP分组,通过从潜在服务AP分组中删除拒绝其接入请求的AP最终形成其服务AP分组。另一部分是基于动态用户的AP分组,用户的移动和AP状态改变会导致UUDN中的动态AP分组,最终选定用户的最佳服务AP。该方法解决了UUDN中用户移动管理的问题,为了给用户提供无缝切换和高能量效率,可以实现用户的无感知移动,保证了业务的连续性。

Patent Agency Ranking